随着汽车保有量的不断增长,自动驾驶凭借着科技、互联网、大数据等的浪潮快速发展,针对解决泊车过程的时间消耗和矛盾突出等问题,自主代客泊车逐渐成为了无人驾驶研究和应用的热点。基于自主泊车场景的无人车辆定位和导航建图是自主代客泊车的至关重要的一步。本文面向自主泊车场景,针对现有的激光里程计在泊车场景中存在里程计精度较低、鲁棒性不足等问题,改进多源传感器融合定位与建图的方案。在不同的线程上进行数据预处理、地面检测与提取、特征点云提取与点云配准、多传感器融合里程计与建图等算法,从而满足实时性和建图的精度。本文中基于激光雷达扫描的高精度三维激光点云,融合惯性测量单元(InertialMeasurementUnit,IMU)数据和全球卫星导航系统(GlobalNavagationSatelliteSystem,GNSS)系统数据对自主泊车场景进行建图,使用误差状态卡尔曼滤波方法将多源传感器进行融合,解决目前纯激光雷达里程计在泊车场景中存在的里程计精度较低的问题,同时利用惯导信息纠正自主泊车场景中长时间GPS信号丢失导致的定位偏差和载体的运动畸变,提高位姿精度。针对GPS信号的强弱,从而进行不同传感器组合的融合,从而使算法可以相对稳定的运行。其次,在点云匹配算法的基础上,根据自主泊车场景中的场景中的线、面特征和地面特征,提取特征点云进行配准并进行地面检测和提取,减少关键帧之间冗余地面点之间的配准,使该算法在校正关键帧的位姿的同时,满足算法的实时性。最后,为了验证本文算法的效果,搭建智能车辆试验平台,在校园多处停车场模拟自主泊车场景中GPS信号良好和GPS信号不良的场景,采集多组激光雷达点云数据,对本文中的算法进行实地场景验证,与目前无人驾驶领域激光同步定位与建图的方案进行对比。实验表明该算法能够有效减少建图过程的累积误差,同时实现较为准确的车辆自定位,为自主泊车的规划和控制算法提供良好的先验条件。